我们都知道 HTML 页面的内容不仅仅是打开和关闭标签之间的数据，例如，<p></p>.
除了图像“alt”和任何“title”属性之外，我应该将哪些 HTML 提供给我作为内容？
有什么建议么？
问问题
90 次
1 回答
1
获取您的文本...
标题 ( <h1>- <h6>)、图片 ( <img />)、段落 ( <p>) 和链接 ( <a>)。仅此而已。除非你也想数桌子。
如果您想从正文中提取所有文本，您可以使用phpQuery之类的刮板工具轻松完成（需要 PHP）：
phpQuery::newDocument(file_get_contents("http://www.somesite.com"));
$body = pq("body")->text();
print $body;
在该示例中，$text 将是整个页面的总内容。然后，您可以在那里搜索关键字以帮助您确定内容。
扫描您的文本以查找关键字...
正如您在评论中所说，您要防止提交色情网址。使用此方法，您可以获得文本。获得文本后，您可以对其进行扫描并构建关键字/实例列表。该列表应该让您对页面的内容/主题有一个很好的了解（除非页面只是某种视频）。
要了解如何构建这些关键字/实例列表，请查看以下问题： 从文本中快速构建关键字列表，包括实例数
于 2009-07-02T21:13:52.283 回答